这款新型软体机器人拥有了像生物一样的柔软性

机器人大讲堂 发表于 2018-06-01 14:45:24 收藏 已收藏
赞(0) •  评论(0

这款新型软体机器人拥有了像生物一样的柔软性

机器人大讲堂 发表于 2018-06-01 14:45:24

在自然界中,有些生物体具有良好的柔软性和弹性,原因是它们能够将软组织和坚硬的骨骼缠绕在一起。而如果将这种灵活性于弹性赋予机器人,能否解决传统刚性机器人的局限性?最近,科学家们提出了一种易于装配的基于张拉整体(tensegrity)的软体机器人,它具有高度动态的运动步态,并在面对物理损伤的情况下表现出结构和行为的弹性。

生物体将柔软的(例如,肌肉)和坚硬的(如骨骼)材料缠绕在一起,赋予它们在传统刚性机器人(rigid robot)中通常缺乏的那种固有的灵活性和弹性。软体机器人的新兴领域寻求利用这些相同的特性来创造具有弹性的机器。然而,软材料的性质给设计、建造和控制方面都带来了相当大的挑战——直到现在,软体机器人的绝大多数步态都是通过实验的试错法(trial-and-error)来手动设计的。本文介绍了一种易于装配的基于张拉整体(tensegrity)的软体机器人,它具有高度动态的运动步态,并在面对物理损伤的情况下表现出结构和行为的弹性。这是通过使用一种机器学习算法而实现的,该算法能够用最少的物理试验来发现有效的步态。这些结果进一步证实了软体机器人的方法,该方法试图利用复杂的材料动力学的相互作用来产生大量的动态行为。

与机器不同的是,动物表现出了极大的弹性,其部分原因是它们将在软组织和坚硬的骨骼缠绕在一起。在自然界中,这种柔软性引发了一些利用了软体系统动力学的令人注目的行为。例如,章鱼能够自适应地用“关节”塑造他们的四肢,以执行有效的抓握。水母利用它们固有的弹性,在游泳时被动地恢复能量。烟草天蛾毛虫(Manduca sexta caterpillar)有一种具有类似于“内脏运动活塞(visceral-locomotory piston)”作用的中肠,它在周围的软组织之前进行前向滑动,在任何可见的外部变化之前,将它的重心进行前向移动。

图1:我们的软体张拉整体机器人的概念。(A)第一个出现于艺术品中的张拉整体结构,与Kenneth Snelson的雕塑一起出现。(B)它们后来被用于建筑,例如Kurilpa桥(澳大利亚布里斯班)。(C)最近,张拉整体被认为是活细胞机械转导的良好模型。(D)我们的张拉整体机器人基于碳撑杆和弹簧。它由三个振动器(粘在三个支柱上)驱动,其频率通过试错学习算法(材料和方法)进行自动调整。(E)得益于张拉整体结构和弹簧的顺从性,我们的机器人在变形时会保持其完整性并弹回初始形式。

从自然世界中获得灵感,软体机器人领域寻求通过使用适合、灵活和具有弹性的材料来解决传统刚性机器人的一些局限性。例如,Trimmer等人使用形状记忆合金微线圈驱动(shape memory alloy microcoil actuation)从硅橡胶中构建软体机器人,它可以以受控制的方式缓慢爬行,或者以不受控制的弹道方式滚动。与此类似,Whitesides等人的研究使用了气动充气(pneumatic inflation)来产生缓慢、动态稳定的爬行运动,以及快速、但受控制较少的触手式抓取器(tentacle-like gripper)、由燃烧驱动的跳线和一个独立的微流体“章鱼机器人(octobot)”。

尽管软材料机器人有其优点,但它们很难通过常规方法进行控制。它们是本质上具有无限的自由度的高维动态系统。提供其吸引力的弹性和可变形性是以共振和组件之间的紧密动态耦合为代价的,这些性能在传统机器人设计的工程方法中经常被避免,或者至少被抑制。这种复杂性排除了许多传统的运动学和逆动力学方法对机器人所使用的控制。

图2:所有条件的性能配置文件。

因此,到目前为止,大多数软体机器人的运动步态都是通过实验的试错法来手动开发的。这一过程既具有挑战性也耗时,尤其是在寻求充分利用软体机制的动态复杂性时。重要的是,这个手动过程也阻止了这些机器人在环境变化时调整其控制策略,例如当它们遇到意想不到的地形时,或者当它们受到物理损坏时。

在本研究中,我们介绍了一种基于由振动驱动的张拉整体结构的新型软体机器人。像许多其他软体机器人一样,这个张拉整体机器人具有弹性,并且当受到干扰或压碎时能够抵抗损坏。然而,与其他软体机器人不同的是,这种特殊的模块化张拉整体机器人易于构建,易于控制,而且,由于采用了一种数据高效的强化学习算法,它可以自动发现如何移动,并在受损时快速重新学习和调整其行为。

振动是一种日益通用的自动化系统无传感器操纵和控制方法。例如,Rezik等人开发了一个由振动驱动的平面机械手,能够对小部件进行大规模的分布式平面控制。在移动机器人中,由成对振动电机驱动的粘滑摩擦运动(stick-and-slip frictional motion)已经被应用于各种移动机器人中。通常,这些方法使用实验得到的手工调谐频率(hand-tuned frequency)来生成运动,使用两种电动机转速的线性插值来平滑地生成一系列行为。基于振动的运动方法的一个缺点是,这种类型的振动即使在假设完全一致的表面时也会引起不可预测的运动,,这对建模和仿真提出挑战。

张拉整体是相对简单的机械系统,由许多刚性元件(支柱)组成,通过拉伸元件(电缆或弹簧)连接其端点,并通过预应力(prestress forces)的协同相互作用保持稳定(图1A-C)。除了工程学之外,张拉整体的性质已经在自然界的各个尺度上得以展现出来,从人类手臂的腱网(tendinous network)到活细胞的力学转导。在每一种尺寸上,张拉整体结构都表现出两个有趣的特征:它们具有令人印象深刻的强度与重量比,且它们在结构上具有鲁棒性并能够在变形的情况下保持稳定。此外,与许多其他软体机器人(soft robot)不同的是,张拉整体结构本身是模块化的(仅由支柱和弹簧构成),因此相对容易构建。它们非常简单,可以作为婴儿玩具,并以儿童活动用书为特色,但足够复杂,可作为下一代美国国家航空航天局行星漫游车的基础。

图3:机器人损坏的实验。(A)损坏的机器人,正如图1中所展示的那样一个弹簧从机器人身上断开连接。(B)30次试验后的运动速度。中心标记是中位数,框的边缘是第25和第75百分位数(IQR),晶须对应于范围,晶须(whisker)外的点被认为是异常值(这对应于“四分位间规则”)。每个条件都使用20次独立的算法进行测试。

对于张拉整体机器人来说,最常见的控制方法是缓慢地改变支柱和/或缆索的长度,引起大规模的准静态(而非动态)结构变形,这反过来又使机器人通过翻滚和滚动进行移动。因为他们认为这种结构在整个运动过程中相对较硬,所以这种控制策略不适合于更为柔顺的软张拉整体机器人。另外,它们会导致运动速度变慢。

最近,研究人员开始研究关于张拉整体机器人控制的更多动力学方法。Bliss等人已经使用中心模式生成器(CPG)来产生模拟的非移动式张拉整体结构的共振夹带(resonance entrainment)。Mirletz等人已经使用CPG在模拟的基于张拉整体脊柱的机器人中产生目标导向的行为。但是,这些努力无论多么有价值,都是在模拟环境中产生的,并且尚未成功地迁移到真实世界的机器人中。正如Mirletz等人所指出的那样,张拉整体的动态行为高度依赖于它们相互作用的基底——这意味着在模拟环境中所开发的结果不一定可以简单地迁移到真正的机器人上(在进化机器人学(Evolutionary Robotics)中,这被称为“现实差距”)。

最近,Böhm和Zimmermann开发了一种由单一震动电磁铁驱动的,启发于张拉整体的机器人。虽然这种机器人不是纯粹的张拉整体(它刚性地连接了多个线性支柱),但它能够通过改变振荡器的频率在前向和反向移动之间进行切换。另外,科学家门已经提出将振动作为一种控制更为柔软的机器人的手段。

图4:张拉整体机器人的无限制版本。

在本文中,我们探索了一个假设,即现实世界的软张拉整体机器人的固有共振和动态复杂性可以被有效地加以利用(而不是被抑制),并且,如果得到适当的激励,它就可以产生共鸣,从而使机器人执行阶梯状(step-like)图案,从而使其能够运动。为了验证这一假设,并证明软张拉整体机器人的潜力,我们设计了一个口袋大小的软张拉整体机器人,该机器人的参数被调整为最大限度的共振,其目标是在平坦地形上尽可能快地进行移动。为了找到合适的振动频率,我们为机器人配备了数据有效的反复试验算法,该算法还使得它能够在需要时进行调整。

软张拉整体机器人具有很高的复原性,易于用现有技术进行组装,并且可使用廉价材料进行制造。总之,振动式软张拉整体机器人将软体机器人技术的大部分复杂性(构建和驱动软结构)重新塑造成一类更为简单的机器人(易于构建和驱动),同时保持软体机器人的许多具有吸引力的特征,例如,弹性和可变形性。得益于学习算法,我们的原型可以实现大于10 cm / s的运动速度(每秒大于一个身体长度),并在小于30次试验中学习新的步法,从而使其可以适应损伤或新情况。据我们所知,这使其成为最快的软体机器人之一。我们的软张拉整体机器人实现了这种速度,因为它们独特地利用了张拉整体结构的灵活性和共振性。以这种方式发现利用灵活性和共振的方法,为未来的张拉整体结构开辟了新的研究途径,特别是当机械设计可以与自动识别如何控制共振的机器学习算法结合时,更是如此。

总体而言,得益于促动器(振动器)、结构(弹簧和支柱)以及环境(地面)之间的复杂相互作用,我们的柔张拉整体机器人得以移动。这种紧急行为在所体现的智能理论中占据核心位置,这表明如果我们鼓励身体与“精神”之间的这种深度耦合——此处指控制器,我们将获得更好更为逼真的机器人。然而,正如本文所展示的那样,试错法学习算法为发现这些紧急行为提供了一种强有力的可行方法。

收藏

相关话题
文章来源专栏

评论(0)

加载更多评论

参与评论

相关文章

分享到

QQ空间 QQ好友 微博
取消